首先来看看最终的效果图：
本文将说一下实现该功能的思路和方法，鉴目前项目涉及到一些保密文件，在此不便贴出代码，不过在后续的工作中，我会抽时间来一一整理本博客的所有代码，并全部共享。
下面就来看看具体实现的思路。
1.河流的网格划分
关于河流的网格划分，可以参考前一篇博文：
http://www.cnblogs.com/potential/archive/2012/12/20/2826143.html
该文给出了网格划分的思路，在此不再多说。
2.河流的污染预测模型的选择。
这里本文采取了二维的河流污染扩散模型，并以中心排放为例，其他模式也是一样。这里涉及到一个比较难的问题是：如何求出每一个网格点的(X,Y)坐标，即网格点到河流中心线的距离以及沿河流方向到污染源的距离。
本文这里提供一个解决方案是：
(1):对于求沿河流方向到污染源的距离，可以通过路径服务实现，首先提取出河流的中心线，将该中心线构建成网络数据集，发布成网络分析服务，那么我们随便选取的两个点(两个点分别到中心线的距离都要小于网络分析服务设置的搜索容差，否则无法求出距离)，通过网络分析服务可以求出其沿河流方向(中心线)的距离。
(2):对于网格点到河流中心线的距离可以通过GIS的GeometryService的Distance操作来实现，这个比较容易。
求得每一个网格点的(X,Y)后，接下来就是根据选定的污染扩散模型，计算每一个点的浓度。
3.污染物浓度分布的可视化
在得到每一个点的浓度之后，那么接下来就是进行插值渲染。但是这里我们需要注意的就是，我们要保证渲染的图层落在河流之内。也就是上图的彩色区域都在河流中。然后我们会注意到一个问题，默认插值时的范围都是矩形，如果不进行其他的操作，那么我们的得到的图层将是一个矩形区域，这显然不符合河流污染物的扩散，因此需要裁剪掉河流以外的区域。这里实现插值的过程采用的是GP服务，GP服务的模型如下所示：
这里通过掩膜提取对插值的删格图像进行裁剪，以保证插值图层在河流的之内。
关于GP服务的发布可参考这里：
http://www.cnblogs.com/potential/archive/2012/10/27/2742355.html
关于Web端调用GP服务可参考这里：
http://www.cnblogs.com/potential/archive/2012/11/03/2752289.html
(版权所有，转载请标明出处)